GEE：面对对象（斑块/超像素）尺度的随机森林分类教程

作者：CSDN @ _养乐多_

本文将介绍在Google Earth Engine（GEE）平台上进行面向对象随机森林分类的方法和代码。面向对象随机森林分类是一种强大的分类方法，通过将遥感影像数据聚合成具有语义的对象，结合随机森林算法进行分类，可以得到准确且可解释的土地利用/覆盖分类结果。

分类过程和分类结果如下图所示
————————————————————————————————————————————————

以下是详细步骤和代码示例：

1. 制作样本点：

• 本地制作样本点：在ArcGIS里加载遥感影像数据，选择多个地物类别的代表性样本点，并手动标记其位置和类别信息。
• 在线制作样本点：在GEE平台上使用绘图工具绘制样本区域，然后从中提取样本点。
• 合并样本点：在GEE平台上将不同来源的样本点合并为一个样本点特征集。

2. 加入特征变量：

• 利用各种指数（如NDVI、NDWI等）计算图像的植被指数和水体指数等。
• 提取纹理特征：使用纹理分析方法（如GLCM、LBP等）从遥感影像中提取纹理特征。
• 时间序列特征：对于具有时间序列数据的遥感影像，可以计算各种统计特征（如相似度、均值、标准差、斜率等）作为时间序列特征。

3. 运行随机森林分类器教程：